智能群体系统集群行为

只有形成完善的市场支撑体系,产业集群的发展和升级才有源泉和动力。产业集群发展的市场支撑体系由购买者市场、专业交易市场和生产要素市场三部分组成,这一体系运行的动力机制包括内驱力、外驱力和产业与市场互动三

主要介绍群体智能算法产生的背景、群体智能算法的基本概念、群体智能系统的主要特点

群居生物的觅食行为一直是优化算法研究的热点问题。蜘蛛猴优化(SpiderMonkeyOptimization，SMO)是一种全局优化算法，灵感来自于蜘蛛猴在觅食过程中的裂变融合社会(Fission-F

针对传统图像增强方法缺乏适应性的缺点,提出了一种用最优化过程进行图像增强的方法。首先对量子粒子群优化(quantum-behavedparticleswarmoptimization,QPSO)算法进

鼠群算法：群体智能的智慧觅食策略鼠群算法（Mouse Swarm Algorithm, MSA）模拟自然界中老鼠觅食行为，通过群体协作，在复杂环境中高效寻找食物来源。该算法于2020年提出，凭借其寻

粒子群优化(PSO)是一种基于群体智能的数值优化算法，由社会心理学家James Kennedy和电气工程师Russell Eberhart于1995年提出。自PSO诞生以来，它在许多方面都得到了改进，

蚁群优化(ACO)是群体智能的一部分，它模仿蚂蚁的合作行为来解决复杂的组合优化问题。它的概念是由Marco Dorigo[1]和他的同事提出的，当他们观察到这些生物在寻找食物时所采用的相互交流和自我组

关于智能监控的论文。从传统视频图像处理方法和人工智能方法出发，以监控场景中行人的异常行为辨识为核心任务，研究智能监控技术的关键算法和系统实现。主要贡献在以下三个方面：第一，提出了实现不同情况下异常行为

驾驶行为智能分析的研究与发展主要阐述了目前驾驶行为智能分析研究的四个主要方向：纵向驾驶行为分析和避撞，横向驾驶行为分析和道路偏离预警，复杂驾驶行为学习以及驾驶员状态(疲劳、分心等)分析，并指出今后该领

为了进一步提高智能监控场景下行为识别的准确率和时间效率，提出了一种基于 YOLO( you only look once: unified，real-time object detection) 并结